在 JoinQuant 聚宽平台回测离线 XGBoost 模型的完整指南

在 JoinQuant (聚宽) 平台上使用本地离线训练好的 XGBoost 模型进行回测是完全可行的。整个流程主要包括：上传模型文件、在策略中读取并加载模型、构造特征并进行预测。以下是详细的步骤和性能优化建议：

第一步：上传模型文件到聚宽“研究”环境

1. 在本地使用 Python 训练好 XGBoost 模型后，使用 joblib 或 pickle 将模型保存为文件（例如 xgb_model.pkl）。
2. 登录聚宽平台，进入**“投资研究”**模块。
3. 点击上传按钮，将你的 xgb_model.pkl 文件上传到研究环境的根目录（或指定文件夹）。

第二步：在回测策略中加载模型

在回测代码中，不能直接使用本地路径读取文件，必须使用聚宽提供的 read_file API。为了避免每次调仓都重新加载模型导致回测极慢，强烈建议将模型加载逻辑放在 process_initialize 或 initialize 函数中。

import jqdata
import pandas as pd
import numpy as np
import xgboost as xgb
import joblib
from six import BytesIO

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    g.security = '000001.XSHE'
    
    # 加载模型
    load_model(context)
    
    # 每天开盘前运行
    run_daily(market_open, time='09:30')

def load_model(context):
    # 使用 read_file 读取研究环境中的模型文件
    # 注意：如果是 Python3 环境，使用 BytesIO
    model_bytes = read_file('xgb_model.pkl')
    g.model = joblib.load(BytesIO(model_bytes))
    log.info("XGBoost 模型加载成功！")

第三步：在 K 线级别预测买卖信号

在定时运行函数（如 market_open）或 handle_data 中，获取最新的行情数据，构造与训练时完全一致的特征，然后输入模型进行预测。

def market_open(context):
    # 1. 获取数据构造特征 (假设模型需要过去5天的收盘价和成交量)
    df = attribute_history(g.security, 5, '1d', ['close', 'volume'])
    
    # 2. 构造特征向量 (需与离线训练时的特征工程保持绝对一致)
    # 这里仅为示例，实际特征可能更复杂
    feature_vector = np.array([[df['close'].mean(), df['volume'].mean()]])
    
    # 3. 模型预测
    prediction = g.model.predict(feature_vector)[0]
    
    # 4. 根据信号下单
    cash = context.portfolio.available_cash
    if prediction == 1 and cash > 0:
        order_value(g.security, cash)
        log.info("预测信号为1，买入")
    elif prediction == 0 and context.portfolio.positions[g.security].closeable_amount > 0:
        order_target(g.security, 0)
        log.info("预测信号为0，卖出")

关于性能：会不会很慢？

会不会很慢取决于你的代码实现方式。 如果处理不当，确实会非常慢甚至触发超时（聚宽限制每个函数运行不能超过 1800 秒）。请注意以下几点优化技巧：

1. 避免重复加载模型：如上文所述，务必在 initialize 或 process_initialize 中只加载一次模型，将其存入全局变量 g 中。千万不要在 handle_data 中每次都 read_file。
2. 批量预测代替循环单条预测：如果你操作的是一个包含几百只股票的股票池，不要在一个 for 循环中对每只股票单独调用 model.predict()。应该先将所有股票的特征拼接成一个大的 pandas.DataFrame 或 numpy.ndarray，然后一次性调用 g.model.predict(features_df)。XGBoost 的批量预测速度极快，而循环单条预测会带来巨大的函数调用开销。
3. 特征计算的效率：在回测中实时计算复杂特征（如各种技术指标、滚动窗口统计）是非常耗时的。尽量使用向量化操作（Pandas/Numpy），避免使用低效的 Python 循环。
4. 内存限制：聚宽回测环境有 3G 的内存限制。如果你的模型文件非常大（例如几百MB的随机森林或XGBoost），加载到内存中可能会导致 OOM（内存溢出）被系统强杀。建议在离线训练时控制树的深度和数量，或者使用 xgboost 原生的 .model 格式保存和加载，通常比 pickle 更省内存。

总结来说，只要模型加载一次，并且采用批量特征构造 + 批量预测的方式，在聚宽平台上进行 K 线级别（无论是日线还是分钟线）的 XGBoost 信号预测是完全可以做到高效且流畅的。